信道衰落是制约通信速率提升,降低通信系统有效性和可靠性的一个重要因素。随着社会的进步,无线通信技术得到迅猛发展,复杂多变的电磁环境和不断提高的数据速率使得信道衰落效应的影响愈发严重,给通信接收端的处理带来巨大挑战,研究具有更低信号处理门限、更高处理性能的接收处理技术的需求愈发迫切。通信信号联合接收处理技术作为对抗信道衰落、提升信号处理性能的重要手段,近年来受到人们的广泛关注,并成为通信信号处理领域的一个重要研究方向。其利用信号处理不同层次或多个数据流间的关联性,将信号接收处理的多个环节进行综合考虑,以获得优于传统分层处理或非联合处理的系统性能。本文研究工作围绕多天线组阵接收模型中通信信号联合处理技术展开,运用贝叶斯学习相关理论和方法,针对平坦衰落信道下多信号流联合参数估计和符号检测问题,频率选择性衰落信道下的盲信道估计问题、信道估计与符号检测联合处理以及存在未知时延条件下的信道均衡问题进行了深入的分析研究。论文主要工作及创新点概括如下:1、针对平坦衰落信道下存在信道参数差异的多天线接收信号流联合参数估计和符号检测问题,提出了一种基于变分贝叶斯的联合处理算法。算法直接利用多个接收数据流进行信息符号的估计,抑制了传统信号合成与解调解耦处理带来的性能损失。将问题建模为已知多组观测数据条件下发送符号、信道传输时延、信道增益和噪声功率的联合最大后验估计问题,基于变分贝叶斯理论对该最大后验进行近似求解,在相对熵最小化的准则下,推导得到了各个待估参数解析形式的近似后验分布—变分分布。所提算法无需计算各参数精确的点估计值,而是采用信道参数和信息符号变分分布迭代处理的方式进行联合求解。仿真结果表明,所提算法通过多信号、多参数的联合处理能够获得优于经典解耦处理和部分联合处理技术的系统误码率性能,且在接收天线数目较多和观测数据长度较短时性能优势体现更加明显。2、针对多天线组阵系统下信道估计问题,提出了基于稀疏贝叶斯学习迭代求解的盲信道估计方法。基于多路接收信号与信道间的关联性建立线性模型,将信道估计问题转化为线性模型的求解问题。采用分层结构的重尾共轭先验分布对待估信道系数加以约束,使用稀疏贝叶斯学习迭代计算信道系数最大后验估计值,推导得到了信道参数和超参数解析形式的迭代估计式。在信道稀疏的条件下,通过稀疏先验分布的引入,所提算法无需知道精确的信道阶数和信道系数非零元的位置信息,较传统非稀疏求解方法具有明显的性能优势;相比于现有基于L₁范数正则化求解的盲信道估计算法,则避免了其在高信噪比时由于信号卷积矩阵列相关性变强引起的性能损失。3、针对频率选择性衰落信道下多天线信号合并与均衡的联合处理问题,基于非完整数据集最大似然估计模型,提出了一种基于频域实现的多信号联合均衡迭代处理算法。与传统采用信道估计与均衡解耦处理结构不同,该方法将未知信道参数视为缺失信息,在EM算法框架下与符号信息联合处理。求得了解析形式的频域符号序列估计表达式,将多路信号联合均衡问题转化为各个单频信号的加权求和问题,避免了传统时域处理复杂的符号序列检测和卷积运算。采用迭代处理的方式,算法依次完成均衡输出的更新和信道参数联合条件后验分布的更新。仿真结果表明,相比于传统盲信道估计方法和判决辅助的空间分集盲均衡方法,所提算法具有明显的性能优势;与典型的信道估计与符号检测联合处理方法相比,所提算法求解计算更加简单,且在短数据条件下误码率更低。4、针对频率选择性衰落信道下符号速率均衡对定时误差敏感的问题,提出了基于符号同步和信道估计联合处理的频域均衡结构。算法直接利用接收信号匹配滤波输出过采样序列进行处理,不需要精确时延参数估计和信号样点恢复。首先基于非完整数据集下的最大似然估计模型,给出了基于EM迭代的线性均衡处理方案。每次迭代,利用新获得的符号检测结果,在变分贝叶斯框架下对时延和信道系数的联合条件后验分布进行更新。在理论推导的基础上,通过时延参数的离散化,求得了基于过采样序列加权求和的参数估计和频域均衡输出解析表达式。为解决线性均衡对信道深衰落敏感的问题,在上述研究分析的基础上,给出了一种基于数据块迭代的频域判决反馈均衡处理结构。并最终将线性均衡和判决反馈均衡结构推广到了多天线组阵的应用场景。仿真结果表明,所提方法优于传统符号间隔均衡和分数间隔均衡的处理结构;与现有基于信道和时延参数二维遍历的联合最大似然方法相比,所提算法在低时延分辨率下具有更优的系统误码率性能。